Problema sa paggamit ng internet bilang isang problema na may kaugnayan sa edad na multifaceted: Katibayan mula sa isang dalawang-site na survey (2018)

Addict Behav. 2018 Feb 12; 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.

Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Grant JE7.

abstract

BACKGROUND AND AIMS:

Ang problemang paggamit sa internet (PIU; kung hindi man kilala bilang Internet Addiction) ay isang lumalagong problema sa mga modernong lipunan. May kakulangan ng kaalaman sa mga variable na demograpiko at mga tiyak na aktibidad sa internet na nauugnay sa PIU at isang limitadong pag-unawa sa kung paano dapat ma-conceptualize ang PIU. Ang aming layunin ay upang makilala ang mga tukoy na aktibidad sa internet na nauugnay sa PIU at tuklasin ang moderating papel ng edad at kasarian sa mga asosasyon.

Mga Paraan:

Kami ay nagrekrut ng mga kalahok ng 1749 na may edad na 18 at sa itaas sa pamamagitan ng mga patalastas ng media sa isang survey na nakabase sa Internet sa dalawang site, isa sa US, at isa sa South Africa; ginamit namin ang regresyon ng Lasso para sa pagsusuri.

RESULTA:

Ang mga partikular na aktibidad sa internet ay nauugnay sa mas mataas na may problemang mga marka sa paggamit ng internet, kabilang ang pangkalahatang surfing (lasso β: 2.1), gaming sa internet (β: 0.6), online shopping (β: 1.4), paggamit ng mga online auction website (β: 0.027), panlipunan networking (β: 0.46) at paggamit ng online pornograpiya (β: 1.0). Ang pag-moderate ng edad sa ugnayan sa pagitan ng PIU at mga role-playing-game (β: 0.33), online na pagsusugal (β: 0.15), paggamit ng mga website sa auction (β: 0.35) at streaming media (β: 0.35), na may mas matandang edad na nauugnay sa mas mataas mga antas ng PIU. Mayroong hindi tiyak na katibayan para sa kasarian at kasarian × mga aktibidad sa internet na nauugnay sa mga marka ng may problemang paggamit ng internet. Ang attention-deficit hyperactivity disorder (ADHD) at social pagkabalisa pagkabalisa ay naiugnay sa mataas na marka ng PIU sa mga batang kalahok (edad ≤ 25, β: 0.35 at 0.65 ayon sa pagkakabanggit), samantalang ang pangkalahatang pagkabalisa ng pagkabalisa (GAD) at obsessive-compulsive disorder (OCD) ay nauugnay sa mataas na mga marka ng PIU sa mas matandang mga kalahok (edad> 55, β: 6.4 at 4.3 ayon sa pagkakabanggit).

Konklusyon:

Maraming mga uri ng online na pag-uugali (hal. Shopping, pornograpiya, pangkalahatang surfing) ang may mas matibay na kaugnayan sa maladaptive na paggamit ng internet kaysa sa paglalaro na sumusuporta sa pag-uuri ng diagnostic ng problemang internet na paggamit bilang isang multifaceted disorder. Higit pa rito, ang mga aktibidad sa internet at mga diagnosis ng saykayatrasyang nauugnay sa may problemang internet ay nag-iiba sa edad, na may implikasyon sa kalusugan ng publiko.

KEYWORDS: Pagkagumon sa pag-uugali; Pagka adik sa internet; Karamdaman sa paglalaro sa Internet; Lasso; Pag-aaral ng makina; May problemang paggamit sa internet

PMID: 29459201

Doi: 10.1016 / j.addbeh.2018.02.017

                            1

pagpapakilala

Ang problemang paggamit sa internet (PIU; kung hindi man kilala bilang Internet Addiction), ay isang pag-aalala sa kalusugan ng publiko sa mga modernong lipunan sa buong mundo. Ang epidemiology ng PIU ay hindi pa malinaw (

; ) na may isang malawak na hanay ng mga iniulat na tantiya ng pagkalat ng punto (1% hanggang 36.7%), malamang na sumasalamin hindi lamang sa mga pagkakaiba ng populasyon kundi pati na rin ng pagkakaiba-iba ng mga tool sa pagtatasa at iba't ibang mga kahulugan ng pagpapatakbo ng mga pag-uugali ng PIU. Ang DSM-5 ay naka-highlight sa Internet gaming disorder bilang isang kundisyon para sa karagdagang pag-aaral (), partikular na hindi kasama ang iba pang mga aktibidad na nakabatay sa internet tulad ng pagsusugal at paggamit ng social media, sa kabila ng naipon na katibayan na ang may problemang paggamit sa internet ay isang maraming problema na lumalagpas sa online gaming (; ;). Maraming iba't ibang mga pag-uugali sa online ang inilarawan bilang may kakayahang makapinsala sa normal na paggana kapag isinasagawa nang labis, kabilang ang online gaming at massively-multiplayer online role-playing-games (;;;;), online na pagsusugal (;), online shopping (; ;), pagtingin sa pornograpiya (;;), madalas na pag-check sa email, instant na pagmemensahe (;;) at labis na paggamit ng social media (;). Ang mga pag-uugali sa online ay maaari ring maging sanhi ng pag-aalala para sa pisikal na kalusugan ng mga indibidwal (;) o maglatag ng lupa para sa mga kriminal na kilos (). Ang mapusok at mapilit na mga katangian ay maaaring maging saligan ng mga may problemang pag-uugali sa internet (;;;;), habang ang mga partikular na aktibidad sa internet ay na-link sa mga karamdaman sa psychiatric; halimbawa, ang online shopping ay naiugnay sa depression at pag-iimbak (

).

Ang mga kabataan at mag-aaral ay itinuturing na mas mahina para sa PIU (

; ; ; ; ), ngunit ang mga nasa gitnang edad at mas matandang populasyon ay hindi pa komprehensibong sinisiyasat. Ang edad ng kabataan ay nauugnay sa may problemang online shopping (;). Gayunpaman, nagkaroon ng isang bilang ng mga pag-aaral na nagpapakilala sa may problemang mga aktibidad sa internet, kabilang ang labis na pamimili batay sa internet, sa mga populasyon ng may sapat na gulang (

). Sa pangkalahatan, ang likas na kasaysayan ng may problemang paggamit sa internet ay hindi pa rin alam at maaaring may mga pagkakaiba sa nauugnay sa edad sa pangkalahatang PIU, o sa iba't ibang may problemang online na pag-uugali.

Ang PIU ay itinuturing na may preponderance ng lalaki (

; ) at malamang na mas laganap sa mga kabataang lalaki na Asyano, ngunit ang mga babae ay maaari ring masugatan (;). Sa isang klinikal na antas, ang karamihan sa mga pag-aaral ng PIU ay kasama ang mga kalahok ng lalaki lamang () at hindi malinaw kung ang mga babaeng klinikal na populasyon ay maaaring hindi mapag-isip. Mayroong ilang mga katibayan mula sa mga pag-aaral sa obserbasyon na ang mga lalaki at babae ay naiiba sa paraan ng pagpapatakbo nila sa online na kapaligiran sa mga tuntunin ng mga aktibidad na kanilang pinili at ang kanilang mga negatibong kahihinatnan (;). Ang labis na paggamit ng pakikipag-chat at social media ay nauugnay sa babaeng kasarian sa mga batang mag-aaral (; ;;; S). Ang babaeng kasarian ay nakilala rin bilang isang prediktor ng may problemang online shopping (), ngunit ang kabaligtaran ay naiulat din (;). Ang paglalaro sa online ay nauugnay sa kasarian ng lalaki (), ngunit ang malawak na Multiplayer online na paglalaro ng paglalaro ay naiulat sa parehong kasarian (). Ang online na pornograpiya pati na rin ang online na pagsusugal ay naiulat na mas madalas sa mga may sapat na gulang (), gayunpaman, naitala na ang papel na ginagampanan ng pampalakas, cue reaktibo at pananabik sa online sex ay pareho para sa parehong kasarian (). Ang mga partikular na platform ng social media na may nakakahumaling na potensyal, tulad ng mga site ng networking tulad ng Facebook, ay ginagamit ng parehong kasarian at pinagtalo na ang mga babae ay maaaring maging peligro (). Sa pangkalahatan, maaaring mayroong mga pagkakaiba-iba sa kasarian para sa mga aspeto ng PIU; Bilang kahalili, maaaring maging sa sandaling isinasaalang-alang ang mga katangian / confound sa pag-uugali at pag-uugali, pareho ang apektado ng kapwa (;;

  

).

Sa pangkalahatan, may problemang paggamit sa internet kasama na ang malawak na iba't ibang mga problemang pag-uugali sa internet ay nangangailangan ng mas mahigpit na pagsisiyasat na magbibigay ilaw sa kung aling mga tukoy na aktibidad ay dapat isaalang-alang bilang may problema o dysfunctional o sa pangkalahatan na nag-aambag sa hindi pangkaraniwang bagay na inilarawan bilang PIU. Ang paraan kung saan ang edad at kasarian ay katamtaman ang kaugnayan sa pagitan ng mga partikular na aktibidad sa internet at PIU ay hindi naiisip, na ginagarantiyahan ang higit na pansin.

Ang aming layunin ay upang makilala ang mga tukoy na aktibidad na may kaugnayan sa internet na istatistika na nauugnay sa PIU at kung may mga pakikipag-ugnayan sa edad o kasarian na katamtaman ang mga relasyon.

 

 

  

2

Material at pamamaraan

 

 

  

2.1

Pagtatakda at mga panukala

Ang higit pang mga detalye tungkol sa setting at mga panukala ng pag-aaral na ito ay inilarawan din sa aming nakaraang publication sa PIU (

 

 

). Ang pag-uulat ng mga pamamaraan para sa pag-aaral na ito ay sumusunod sa gabay ng STROBE (

). Ang kasalukuyang pag-aaral ay isinasagawa mula Enero 2014 – Pebrero 2015. Ang mga indibidwal na may edad na 18 taon pataas ay hinikayat sa dalawang site: Chicago (USA) at Stellenbosch (Timog Africa) gamit ang mga ad sa internet (nangangahulugang edad 29 [18-77]; 1119 lalaki [64%]; 1285 Caucasian [73%]). Hiniling ng mga anunsyo ang mga indibidwal na makilahok sa isang online survey tungkol sa paggamit ng internet. Kinumpleto ng mga kalahok ang survey na hindi nagpapakilala gamit ang Survey Monkey software. Ang survey ay ipinadala sa pamamagitan ng Craigslist kaya ang mga kalahok lamang mula sa mga tukoy na lugar ay na-target. Ang pag-aaral ay naaprubahan ng mga board ng pagsusuri ng institusyonal sa bawat lugar ng pananaliksik. Ang mga kalahok ay walang natanggap na kabayaran para sa pakikilahok ngunit naka-enrol sa isang random na loterya kung saan ang limang mga premyo ay magagamit sa bawat premyo na nagkakahalaga sa pagitan ng $ 50 at $ 200 sa USA at tatlong mga premyo sa pagitan ng ZAR250 at ZAR750 sa South Africa.

Naglalaman ang online survey na mga katanungan tungkol sa edad ng bawat indibidwal, kasarian, lahi, katayuan sa relasyon, oryentasyong sekswal at background sa edukasyon, kasama ang iba't ibang mga hakbang ng mga tukoy na aktibidad sa internet. Sinukat namin ang isang bilang ng iba't ibang mga aktibidad sa internet kabilang ang 1) pangkalahatang pag-surf 2) kabuuang paglalaro ng internet 3) Mga larong online na naglalaro ng laro (RPG) 4) Mga laro ng waster / kasanayan (ie Apps sa iPod / iPad / cell phone, Tetris, Jewels) 5 ) Online action multiplayer (ie Call of Duty, Gears of War) 6) Online shopping 7) Auction websites (ie Ebay) 8) Online na pagsusugal 9) Social networking 10) Online sports (ie Fantasy sports, ESPN) 11) Pornograpiya / Kasarian sa internet 12) Pagmemensahe / Blogging (ie AIM, Skype) at 13) Pag-stream ng mga video / media (ie YouTube, Hulu). Kasama rin sa survey ang mga klinikal na hakbang: ang Internet Addiction Test (IAT) (

) upang magbigay ng isang sukatan ng maladaptive na paggamit ng internet; piliin ang mga module ng Mini Internasyonal na Neuropsychiatric (MINI) () upang makilala ang posibilidad ng panlipunang pagkabalisa sa pagkabalisa (SAD), pangkalahatang pagkabalisa sa pagkabalisa (GAD) at obsessive-compulsive disorder (OCD); ang Lista ng Selyo ng Selyo ng Selyo ng Pang-adulto ng ADHD (ASRS-v1.1) () upang makilala ang mga sintomas ng pagkakaroon ng atensyon na kakulangan sa atensiyon (ADHD); ang Padua Inventory (PI) () upang matukoy ang mga obsessive-compulsive tendencies; at ang Barratt Impulsiveness Scale (BIS-11) upang matukoy ang nakakahimok na pagkatao (

). Ang mga nakalistang istatistika para sa lahat ng mga variable ay buod at stratified ng edad sa Karagdagang Talaan S1a.

Ang IAT ay binubuo ng mga katanungan ng 20 na nagsusuri ng mga facet ng PIU. Ang mga marka sa saklaw ng IAT mula sa 20 hanggang 100 na may 20-49 na sumasalamin sa banayad na paggamit ng Internet, 50-79 katamtamang paggamit ng Internet, at 80-100 na sumasalamin sa matinding paggamit ng Internet. Ang PI ay binubuo ng mga item 39 na tinatasa ang karaniwang obsessional at compulsive na pag-uugali. Ang BIS-11 ay isang talatanungan sa sariling ulat na ginagamit upang matukoy ang mga antas ng impulsiveness.

Nagsagawa kami ng isang Principal Components Analysis (PCA) upang makilala kung ang ilang mga bahagi ng mga aktibidad sa internet ay maaaring makapag-account para sa isang makabuluhang bahagi ng pagkakaiba-iba. Gayunpaman, ipinakita ng pagsusuri na ito na kinakailangan namin ng> 11 sa 13 mga bahagi upang makamit> 90% ng pagkakaiba-iba na nagpapahiwatig na ang isang makabuluhang bahagi ng mga variable ng mga aktibidad sa internet ay natatanging nag-aambag sa pagkakaiba-iba. Napagpasyahan namin samakatuwid na gamitin ang bawat variable nang magkahiwalay sa aming pagsusuri.

Ang data lamang mula sa mga kalahok na nakumpleto ang kabuuan ng online survey, kasama ang mga hakbang sa aktibidad ng internet, ay kasama sa mga pinag-aaralan. Kasama sa orihinal na sample ang 2551 mga indibidwal. Ang 63 na indibidwal ay hindi kasama dahil sa kawalan ng mga marka ng IAT. Ang isang karagdagang 18 indibidwal ay naibukod para sa pag-uulat ng kasarian ng transgender at 459 para sa nawawalang mahahalagang mga variable ng tagahulaan hal. Mga marka ng talatanungan ng PI o BIS. Limang indibidwal ang naibukod para sa pag-uulat ng edad na <18 taong gulang. Ang isang karagdagang 257 indibidwal ay naibukod dahil sa nawawalang mga hakbang sa aktibidad sa internet. Ang panghuling buong hanay na kasama ang 1749 mga indibidwal na may kumpletong mga marka sa lahat ng mga variable. Ang huling hakbang na ito ng proseso ng pagbubukod na account para sa sample na pagkakaiba sa pagitan ng kasalukuyang pag-aaral at

. Ang huling buong hanay na ito ay may kasamang 1063 indibidwal mula sa site ng Stellenbosch at 686 na indibidwal mula sa site ng Chicago. Ang tinatayang point prevalence ng PIU ay ~ 8.5% gamit ang isang IAT cut-off na 50 o mas mataas. Sa paghahambing ng dalawang populasyon ng site ng pag-aaral, ang site ng Stellenbosch ay mayroong mas bata pang mga kalahok [ibig sabihin (saklaw) 24.3 (18-76) kumpara sa 36.3 (18-77), ANOVA F <0.05, η 2 : 0.20], isang mas mababang bahagi ng kasarian ng lalaki [58% kumpara sa 73%, χ 2 <0.05, φ : 0.15], mas mataas na proporsyon ng heterosexual sexual orientation [91% vs 84%, χ 2 <0.05, φ : 0.10], mas mataas na rate ng ADHD [50% vs 41% χ 2 <0.05, φ : 0.9], mas mababang mga rate ng pamimili sa online [ibig sabihin (saklaw) 0.48 (0-5) kumpara sa 1.27 (0-5), ANOVA F <0.05, η 2 : 0.18] at bahagyang mas mababa ang mga marka ng IAT [ibig sabihin (saklaw) 30.3 (20–94) kumpara sa 35.9 (20-85), ANOVA F <0.05, η 2 : 0.06]. Ang isang mas detalyadong paghahambing ay ipinakita sa Karagdagang Talaan S1b. Ang proseso ng recruitment at pagbubukod ay grapikong ipinakita sa Lar 1 . Ang lahat ng mga tuluy-tuloy na variable (ibig sabihin ang marka ng BIS) ay na-standardize upang madagdagan ang interpretability ng mga coefficients ng modelo. Ang mga pamamaraan ng paghula ay ginamit ang marka ng IAT bilang isang variable na variable (Range 20-94, Mean 32.48). Lahat ng mga pag-aaral ay isinagawa sa bersyon ng R Studio 3.1.2. Ang mga Modelo ng Lasso Generalized Linear ay isinagawa gamit ang pakete na "glmnet" (Pakete na bersyon ng glmnet 2.0-5 (

)). Higit pang mga detalye tungkol sa proseso ng pagsusuri ay matatagpuan sa Pandagdag (pamamaraan ng apendiks).

  

 

 

 

 

 

  

Lar 1
  

Diagram ng daloy ng rekrutment. Ang daloy ng diagram na naglalarawan sa pangangalap at pagbubukod mula sa pangunahing at subgroup na pagsusuri; IAT: Pagsubok sa Pagkagumon sa Internet; PI: Padua Inventory-Revised; BIS - Barratt Impulsiveness Scale 11; CHI - Chicago; SA - South Africa (Stellenbosch). (Para sa interpretasyon ng mga sanggunian sa kulay sa alamat ng figure na ito, ang mambabasa ay na-refer sa bersyon ng web ng artikulong ito.)

 

 

 

 

 

  

2.2

Paggalugad ng mga ugnayan

Naghanap kami ng mga ugnayan sa pagitan ng mga variable sa aming data (tingnan Lar 2 ). Ang lahat ng magkakaibang mga aktibidad sa internet ay may mahinang positibong mga ugnayan sa marka ng IAT (saklaw na koepisyent na ugnayan ng Pearson na 0.23-0.48). Ang ilang katamtamang positibong ugnayan sa pagitan ng mga variable ng aktibidad ng internet ay nakilala ie total internet gaming at RPG (r = 0.57), kabuuang gaming sa internet at mga laro ng multiplayer na aksyon (r = 0.55), pamimili sa online at paggamit ng mga auction website (r = 0.55), pangkalahatang surfing at pamimili (r = 0.44), pangkalahatang surfing at social networking (r = 0.44), pangkalahatang surfing at streaming media (r = 0.44). Mayroong mahinang positibong ugnayan sa pagitan ng palakasan at pornograpiya (r = 0.38), kasarian ng lalaki at palakasan (r = 0.30) o pornograpiya (r = 0.39) o pagkilos ng multiplayer na aksyon (r = 0.27). Mayroong mahinang ugnayan sa pagitan ng online na pagsusugal at action multiplayer (r = 0.41), RGP (r = 0.32), mga website sa auction (r = 0.38), sports (r = 0.38) o pornograpiya (r = 0.39). Ang impulsivity ay mahina na positibong naiugnay sa pangkalahatang surfing, online shopping, paggamit ng mga auction website, social networking, streaming media at pornograpiya (0.2 ≤ r ≤ 0.3). Nagkaroon din ng mahinang ugnayan sa pagitan ng mas matandang edad at mga aktibidad sa pamimili (r = 0.33) o paggamit ng mga website sa auction (r = 0.22), at sa pagitan ng di-heterosexual na oryentasyong sekswal at pornograpiya (r = 0.22). Ang lahat ng iba pang mga ugnayan sa pagitan ng mga aktibidad sa internet at edad, kasarian, katayuan ng relasyon, oryentasyong sekswal, antas ng edukasyon, lahi at antas ng pagiging impulsivity at pagpipilit ay napakahina (−0.2 <r <0.2).

  

 

 

 

 

 

  

Lar 2
  

Exploratory correlation matrix ng mga variable. Ang mga ugnayan ni Pearson sa pagitan ng lahat ng mga variable. Ang mga positibong ugnayan ay ipinahiwatig sa kulay berdeng gradient, ang mga negatibong ugnayan ay nasa pulang gradient. IAT Kabuuan - Marka ng Pagkagumon sa Internet; PADUA - PADUA Inventory score; BIS - Barratt Impulsiveness Scale iskor; RPG - Mga Larong Paglalaro ng Online na Tungkulin. (Para sa interpretasyon ng mga sanggunian sa kulay sa alamat ng figure na ito, ang mambabasa ay na-refer sa bersyon ng web ng artikulong ito.)

 

 

 

 

 

  

2.3

Pagharap sa labis na akma

Para sa aming mga istatistikong istatistika ginamit namin ang mga modelo na kasama ang mga variable na demograpiko (edad, lahi, antas ng edukasyon, kasarian, katayuan sa relasyon, sekswal na oryentasyon), mga klinikal na katangian (mga diagnosis ng ADHD, GAD, Social An pagkabalisa at OCD), mga sukat ng pag-uugali na kilala na nauugnay sa Ang PIU (impulsivity at compulsivity), mga aktibidad sa internet at mga term sa pakikipag-ugnayan sa pagitan ng mga aktibidad sa Internet × Age o Gender; ang huli ay napagpasyahan na subukan ang hypothesis na ang edad o kasarian ay katamtaman ang ugnayan sa pagitan ng mga aktibidad sa internet at may problemang paggamit ng internet. Kasama namin ang isang kabuuan ng mga variable na 51 predictor. Sa pamamagitan ng pagsasama ng isang kalabisan ng mga variable na naglalayong para sa isang modelo na mas tumpak at sa parehong oras ay nakakakuha ng mga kumplikadong pakikipag-ugnayan sa pagitan ng mga variable na aktibidad ng demograpiko at internet. Gayunpaman, ang pagbagsak ng pagkakaroon ng maraming mga variable na tagahula ay ang karaniwang ito ay humahantong sa labis na akma na sinamahan ng mga malalaking koepisyent. Bukod dito, ang in-sample na linear regression ay may posibilidad na labis na magkasya, lalo na sa mga kumplikadong modelo, at panimula ang pagkukulang sa paggawa ng mga hula sa mga bagong data. Mayroong malawak na katibayan ng pagbagsak ng mga over-angkop na modelo (

 

 

). Upang makitungo sa labis na akma, napag-usapan namin ang paggamit ng mga pamamaraan sa istatistika ng out-of-sample (cross-validation) upang makakuha ng isang pagtatantya ng pagkakasunud-sunod ng error sa pagbubuo at paghula ng modelo (

 

 

). Sinaliksik namin ang diskarte na ito sa aming kasalukuyang data nang gumamit kami ng isang out-of-sample na cross-validated estimation ng root-mean-square-error na kasabay ng paatras na pagpili ng mga variable upang subukan kung ang mga modelo ay nagpapabuti sa pamamagitan ng pagdaragdag ng isang mataas na bilang ng mga variable sa ang mga subset ng mga posibleng kumbinasyon ng mga prediktor, at nakita namin na ang mga kalat-kalat na mga modelo (ibig sabihin na may pagitan ng 13 at 16 na mga variable) ay hindi mas mababa sa mga tuntunin ng cross-validated RMSE kumpara sa mas kumplikadong mga modelo (kasama ang> 16 na variable). Ipinapakita ito sa exploratory Lar 3 (itaas na kaliwa).

  

 

 

 

 

 

  

Lar 3
  

Ang mga paliwanag na plots para sa mga cross-validated na mga error at koepisyent ng Lasso. Ang mga paliwanag na plots para sa mga error na na-validate at mga coefficient ng Lasso (lahat ng mga kalahok n = 1749). Ang unang balangkas (itaas na kaliwa) ay nagpapakita ng cross-validated na root mean square error (rmse.cv) bilang isang function ng bilang ng mga variable na kasama sa linear regression model. Ang balangkas ay nagpapakita na ang pagdaragdag ng higit sa ~ 16 variable sa modelo ay hindi kinakailangang mapabuti ang modelo sa mga tuntunin ng pagbawas ng RMSE. Ang pangalawang balangkas (kanang kanan) ay nagpapakita ng 10-fold na cross-validated na nangangahulugang error na parisukat bilang isang function ng (log) lambda (λ) para sa modelo ng regularized na lasso gamit ang buong data na may mga term sa pakikipag-ugnay. Ang nangungunang numero ng balangkas ay nagpapahiwatig ng bilang ng mga prediktor (variable) na ginagamit ng modelo, na papunta mula sa lahat ng mga prediktor (tuktok na kaliwang sulok) hanggang sa mas maliliit na mga modelo (tuktok na kanang sulok). Ang function na ito ay tumutulong sa pag-optimize ng Lasso sa mga tuntunin ng pagpili ng pinakamahusay na λ. Ang pangatlong balangkas (kaliwang kaliwa) ay nagpapakita ng mga marka ng koepisyent ng mga prediktor bilang isang pag-andar ng log (λ) na nagpapahiwatig ng pag-urong ng mga coefficient para sa mas malaking bilang ng log (λ). Ang nangungunang numero ng balangkas ay nagpapahiwatig ng bilang ng mga prediktor (variable) na ginagamit ng modelo, na papunta mula sa lahat ng mga prediktor (tuktok na kaliwang sulok) hanggang sa mas maliliit na mga modelo (tuktok na kanang sulok). Ang huling balangkas (ibaba kanan) ay nagpapakita ng maliit na bahagi ng katapatan na ipinaliwanag ng mga modelo na may kaugnayan sa bilang ng mga prediktor na ginamit at kanilang mga coefficients. Ang bawat kulay na linya ay inilarawan ang isang solong tagahula at ang koepisyenteng puntos. Ang balangkas ay nagpapakita na malapit sa pinakamataas na bahagi ng paglilinang ipinaliwanag ang mga mas malaking koepisyentong nagaganap na nagpapahiwatig na malamang na mas umaangkop sa modelo. (Para sa interpretasyon ng mga sanggunian sa kulay sa figure na ito ng figure, ang mambabasa ay tinukoy sa web bersyon ng artikulong ito.)

 

 

 

 

 

  

2.4

Ang regularized na regression na may mga limitasyon sa sparsity

Para sa mga kadahilanang nabanggit sa nakaraang talata, nais naming gumamit ng isang pamamaraan ng hula na hindi magiging labis na karapat-dapat, samantalang maihahambing sa karaniwang mga istatistikong pamamaraan sa mga tuntunin ng paghula sa mga marka ng PIU. Mahalaga rin kung ang aming pamamaraan ay maaari ring gumawa ng variable na pagpili (ibig sabihin, sa pamamagitan ng pagbabawas ng bilang ng mga prediktor na may non-zero coefficients), upang makatulong sa pagpapakahulugan ng modelo. Ang regulasyon, una na dinisenyo ni Tikhonov upang malutas ang mga pantay na equation (

 

 

) at kalaunan ay ipinakilala sa statistical science sa pamamagitan ng ilan sa nais na nabanggit na mga katangian ng paglilipat ng modelo ng konstruksyon patungo sa sparsity at pagbabawas ng over-fitting (). Ang Lasso (pangkalahatang linya ng linear na may pinarusahang maximum na posibilidad, na kilala bilang regression gamit ang Least Absolute Shrinkage and Selection Operator (Lasso o LASSO ())) ay isang regularization at regression analysis na paraan na madalas na ginagamit sa mga agham medikal (;) at may potensyal na magamit sa pagmomolde ng klinikal na hula sa psychiatry (RC). Ang muling pagsasama ng Ridge ay isa pang anyo ng regularized na linear regression na nagpapaliit sa mga koepisyente sa pamamagitan ng pagpapakilala ng isang coefficient penalty (). Ang nababanat-net ay isang pansamantalang modelo sa pagitan ng tagaytay at lasso at ang parusa nito ay kinokontrol ng α, na pinangangasiwaan ang agwat sa pagitan ng Lasso (α = 1) at tagaytay (α = 0). Ang parameter ng pag-tune λ ay kumokontrol sa pangkalahatang lakas ng parusa. Ginagamit ni Lasso ang parusang L1 at ang tagaytay ay gumagamit ng parusang L2. Sa kaibahan sa regulasyon ng tagaytay, ang epekto ng parusang Lasso L1 ay ang karamihan sa mga koepisyente ay hinihimok sa zero, na humahantong sa isang regulariyang solusyon na kalat-kalat sa parehong oras. Sa pamamagitan ng mekanismong ito, ang Lasso ay gumaganap ng variable na pagpili na maaaring gawing simple ang interpretasyon lalo na kung maraming mga prediktor ang kasangkot sa modelo. Ang isa pang hindi pamantayang pamamaraan na kilala para sa mataas na kawastuhan at kakayahan upang maiwasan ang paglalagay ng angkop ay mga random na kagubatan (

 

 

  

). Ang mga random na kagubatan ay isang paraan ng pag-aaral ng machine na mahusay na gumaganap laban sa mga di-linear na dependencies at samakatuwid, ang paggalugad sa pagganap ng modelong ito ay maaaring magbigay sa amin ng pananaw sa, marahil 'nakatago', kumplikadong mga samahan.

 

 

  

2.5

Mga pamamaraan ng hula

Upang mapili ang naaangkop na modelo sa aming pagtatasa, inihambing namin ang linear regression, ridge regression, elastic-net, Lasso at mga random na modelo ng kagubatan sa isa't isa at laban sa isang walang murang baseline, gamit ang isang cross-validated out-of-sample na pagtatantya ng RMSE. Kasama sa aming cross-validation na sapalarang paghahati ng data sa isang hanay ng pagsasanay at pagsubok, na inaayos ang mga parameter ng modelo sa hanay ng pagsasanay at gumagawa ng mga hula para sa mga marka ng IAT sa hanay ng pagsubok. Dahil sa random na likas na katangian ng paghahati ng data sa mga kulungan, inulit namin ang prosesong ito ng 50 beses upang makakuha ng isang matatag at natitiklop na pagtatantya. Inihambing namin ang mga huling vector ng mga marka ng RMSE gamit ang Exact Wilcoxon-Pratt na mga naka-sign na pagsusuri sa ranggo. Ang lahat ng mga modelo ay makabuluhang nakahihigit sa basurang walang muwang (p naitama <0.001, Cohen's d = -0.87) (tingnan ang Karagdagang Talahanayan S2). Ang mga istatistika ng buod ng mga marka ng RMSE ay ipinakita sa Karagdagang Talahanayan S3. Ang lasso at nababanat na net ay nakahihigit sa pag-urong ng ridge (naitama sa <0.01, d = 0.51, d = 0.49) at linear regression (p naitama <0.001, d = 0.76) at hindi naiiba sa istatistika sa pagitan ng bawat isa (p naitama> 0.05, d = −0.08). Ang Random na kagubatan ay hindi nakahihigit sa alinman sa lasso (p = 0.12) o nababanat na net (p naitama> 0.05). Samakatuwid, sa aming pag-aaral, ginamit namin ang Lasso, sapagkat, higit sa mahusay na pagganap ng hula na wala sa sample, nakagawa ang Lasso ng variable na pagpipilian sa pamamagitan ng pag-urong ng mga koepisyent sa zero at samakatuwid ay nagdaragdag ng interpretasyon. Kahit na ang nababanat na net ay maaari ring magsagawa ng variable na pagpipilian, may kaugaliang pumili ng higit pang mga variable, at sa kabila ng pagiging mas kumplikado at mas malakas na modelo, hindi ito nagbigay ng makabuluhang mas mahusay na pagganap kaysa sa lasso. Sa aming panghuling pagsusuri ng buong data at mga pag-aaral ng subgroup, gumamit kami ng 10-fold cross-validation upang makagawa ng pinakamainam na lambda para sa bawat modelo ng lasso at iulat ang mga koepisyentong ginawa ng mga modelong iyon. Ang mga nagpapaliwanag na balangkas na nagmula sa buong pagtatasa ng data ay ipinakita sa Lar 3 .

 

 

  

3

resulta

Ang mga resulta ng regresyon ng Lasso ay buod sa buong sample at stratified ng edad sa Tables 1 at 2 . Ang mga buong talahanayan ng mga resulta para sa mga pag-aaral ng subgroup, kabilang ang stratified sa pamamagitan ng edad at sa pamamagitan ng pag-aaral na site ay ipinakita sa online na mga talahanayan ng pandaragdag (Tables S4-S10). Ang mga explorer na plot ng data ay ipinakita sa Mga Karagdagang mga numero (Figs. S1-S3). Ang mga resulta mula sa mas karaniwang istatistika na diskarte ng linear regression ay ipinakita din sa Mga Pandagdag na Tables S4-S10 at anumang pagkakaiba sa inpormasyon sa istruktura kumpara sa pangunahing mga resulta na ipinakita sa ibaba ay may kondisyon sa pagpili ng ibang modelo.

Table 1
Ang mga coefficient ng Lasso para sa mga aktibidad sa internet na stratified ng edad.
Aktibidad sa InternetLahat (n = 1749)18 ≤ Edad ≤ 25 (n = 1042)26 ≤ Edad ≤ 55 (n = 592)Edad> 55 (n = 115)
Pangkalahatang surfing2.100 2.400 1.500 0.590
Paglalaro ng Internet0.600 0.450 0.110 0.000
RPG0.0000.0000.710 0.000
Pangwaldas-oras0.0000.0000.0000.450
Multiplayer ng aksyon0.0000.0000.0000.000
Shopping1.400 0.840 1.500 0.000
Mga website ng auction0.027 0.0000.990 0.230
Pagsusugal0.0000.0000.780 0.000
social networking0.460 0.0001.300 0.000
laro0.0000.0000.0000.000
pornography1.000 1.400 0.210 0.000
Messaging0.0000.0000.110 0.000
Streaming media0.0000.0000.0001.200
PADUA0.074 0.085 0.029 0.065
Muli0.066 0.048 0.072 0.086
ADHD Diagnosis1.700 0.350 3.100 0.000
Diagnosis ng GAD0.230 0.0000.0006.400
Ang diagnosis sa pagkabalisa sa panlipunan0.0000.560 0.0000.000
Ang diagnosis ng OCD0.270 0.0000.0004.300
 

 

 

Lasso - hindi bababa sa ganap na pag-urong at pagpili ng operator; RPG - Mga Larong Paglalaro ng Papel; PADUA: Padua Inventory-Revised Checking; BIS - Barratt Impulsiveness Scale 11; ADHD - Attention Deficit Hyperactivity Disorder; GAD - Pangkalahatang Pagkabalisa karamdaman; OCD - Obsessive-Compulsive disorder. Para sa mga layunin ng pagtatanghal ang mga makabuluhang coefficients ng Lasso ay ipinahiwatig nang naka-bold.
Table 2
Koepisyent ng Lasso para sa mga demograpiko at mga term sa pakikipag-ugnay.
Aktibidad sa InternetLahat (n = 1749)18 ≤ Edad ≤ 25 (n = 1042)26 ≤ Edad ≤ 55 (n = 592)Edad> 55 (n = 115)
Mga variable ng demograpiko0.0000.0000.0000.000
Ang kasarian o anumang aktibidad sa Internet0.0000.0000.0000.000
Edad × pangkalahatang surfing0.000---
Edad × gaming gaming0.000---
Edad × RPG0.330 ---
Edad ng oras ng mga waster0.000---
Edad × pagkilos Multiplayer0.000---
Edad ng pamimili0.000---
Edad × pagsusugal0.150 ---
Edad × website ng auction0.350 ---
Edad × social networking0.000---
Edad × sports0.000---
Edad × pornograpiya0.000---
Edad × pagmemensahe0.000---
Edad × streaming media0.350 ---
 
  

Lasso - hindi bababa sa ganap na pag-urong at pagpili ng operator; RPG - Mga Larong Paglalaro ng Papel; Ang mga variable ng demograpiko ay: Edad, Kasarian, Lahi, Edukasyon, Kalagayan ng Relasyon at Orientasyong Sekswal. Para sa mga layunin ng pagtatanghal ang mga makabuluhang coefficients ng Lasso ay ipinahiwatig nang naka-bold.

 

 

  

3.1

Demograpiko

Sa lasso regression walang variable kabilang ang edad, kasarian, lahi, antas ng edukasyon, katayuan sa relasyon o oryentasyong sekswal na nauugnay sa PIU sa anumang subgroup ng edad o sa buong data.

 

 

  

3.2

Mga aktibidad sa Internet

Sa buong data ng pagbabalik ng Lasso, isang bilang ng mga aktibidad sa internet ang nauugnay sa mga mataas na marka ng PIU kabilang ang pangkalahatang surfing (β: 2.1), gaming sa internet (β: 0.6), online shopping (β: 1.4), paggamit ng mga website ng auction (β: 0.027), social networking (β: 0.46) at paggamit ng online pornograpiya (β: 1.0). Ang mga ugnayan sa pagitan ng PIU at mga role-playing-game (RPGs), online na pagsusugal, paggamit ng mga website ng auction at paggamit ng streaming media ay na-moderate ayon sa edad (β: 0.33, 0.15, 0.35 at 0.35 ayon sa pagkakabanggit), na may mas matandang edad na nauugnay sa mas mataas na mga marka ng PIU . Sa pagtatasa ng edad-subgroup (mga batang kalahok na edad ≤ 25, mga kalahok sa edad na 25 <edad ≤ 55; mas matandang mga kalahok na edad> 55), ang pangkalahatang surfing ay nauugnay sa PIU sa lahat ng mga pangkat ng edad, ngunit mas malakas sa mga bata (β: 2.4) , mas mababa sa nasa edad na (β: 1.5), at mas mababa pa sa mga nakatatandang kalahok (β: 0.59). Ang isang katulad na kalakaran ay nakita sa gaming sa internet (β: 0.45, 0.11 at 0.0 para sa tatlong pangkat ng edad ayon sa pagkakabanggit) at paggamit ng online na pornograpiya (β: 1.4, 0.21 at 0.0). Ang ilang mga aktibidad sa internet tulad ng paggamit ng mga online RPG ay mas malakas na nauugnay sa PIU sa mga kalahok na nasa edad na na kalahok kumpara sa iba pang mga pangkat ng edad (β: 0.71). Totoo rin ito para sa online na pagsusugal (β: 0.78), instant messaging (β: 0.11) at online social networking (β: 1.3). Ang paggamit ng mga website sa auction ay mas malakas din na nauugnay sa PIU sa mga kalahok na nasa edad na (β: 0.99), ngunit nahuhulaan din sa mas matandang mga kalahok (β: 0.23). Ang streaming online media at paggamit ng mga time waster ay nauugnay sa PIU sa mas nakatatandang mga kalahok (β: 1.2, 0.45 ayon sa pagkakabanggit), ngunit hindi sa anumang iba pang pangkat ng edad.

 

 

  

3.3

Klinikal at pag-uugali na katangian

Ang mga simtomas ng sakit na kawalan ng atensyang hyperactivity disorder (ADHD) (β: 1.7), pangkalahatang pagkabalisa sa pagkabalisa (GAD) (β: 0.23) at obsessive-compulsive disorder (OCD) (β: 0.27) ay nauugnay sa mas mataas na mga marka ng PIU. Sa pagsusuri ng edad-subgroup, ang ADHD at SAD ay nauugnay sa mas mataas na mga marka ng PIU sa mga mas batang kalahok (β: 0.35 at 0.56 ayon sa pagkakabanggit), habang ang ADHD ay nanatiling makabuluhan sa gitna-edad na subgroup (β: 3.1). Ang GAD at OCD ay nauugnay sa mas mataas na mga marka ng PIU sa subgroup ng matatandang kalahok (β: 6.4 at 4.3), ngunit hindi sa iba pang mga pangkat ng edad. Ang mga marka ng BIS (impulsive personality) at mga marka ng PADUA (obsessive-compulsive tendencies) ay nauugnay sa mas mataas na mga marka ng PIU sa buong data (β: 0.066 at 0.074 ayon sa pagkakabanggit) at sa lahat ng edad ng mga subgroup ay nagsasuri.

 

 

  

4

Pagtalakay

Ang papel na ito ay ang unang pagtatangka na komprehensibong tuklasin ang iba't ibang uri ng mga aktibidad sa internet na nauugnay sa maladaptive na paggamit ng internet, ibig sabihin, may problemang paggamit sa internet. Ang nakaraang trabaho ay karaniwang naka-tackle ang isyu ng mga tiyak na aktibidad sa internet na humahantong sa may problemang paggamit sa pamamagitan ng pagtuon sa nakahiwalay na mga aktibidad sa internet (

 

 

; ; ; ; ). Ipinakita namin dito na ang isang hanay ng mga aktibidad sa internet, kabilang ang pangkalahatang surfing, paglalaro sa internet, online shopping, paggamit ng auction website, online na pagsusugal, social networking at paggamit ng online pornograpiya ay nag-ambag nang hiwalay at natatanging sa PIU, na nagbibigay ng katibayan na ang PIU ay isang kumplikado kababalaghan na binubuo ng iba't ibang mga may problemang pag-uugali. Bukod dito, ipinakita namin na ang mga pag-uugali na ito ay nagpapanatili ng kanilang mga istatistikong makabuluhang mga kaugnayan sa PIU, kahit na ang mga sintomas ng saykayatriko na kilala na nauugnay sa PIU (ibig sabihin ang mga sintomas ng ADHD, GAD at OCD) (;) at mga sukat ng pag-uugali na kilala na mahuhula ng PIU (ibig sabihin, ang mga panukala ng pagkilos ng impulsivity at compulsivity) (;;;

) ay isinasaalang-alang. Ipinakita pa namin na ang mga tukoy na aktibidad sa internet tulad ng RPG, online na pagsusugal, paggamit ng mga auction website at streaming media ay nauugnay sa mas mataas na mga marka ng PIU at ang ugnayang ito ay naiimpluwensyahan ng edad. Sa wakas, ipinakita ng aming data na ang iba pang mga uri ng pag-uugali sa online (hal. Shopping, pornograpiya, pangkalahatang surfing) ay may mas malakas na ugnayan sa maladaptive na paggamit ng internet kaysa sa paglalaro at posible na nauugnay ito sa katotohanan na ang mga nakaraang pag-aaral ay hindi kasama ang tulad nito malawak na hanay ng mga aktibidad na nauugnay sa internet. Ang mga resulta na ito ay may makabuluhang mga implikasyon para sa pag-konsepto ng PIU bilang isang makabuluhang sakit sa klinika, dahil iginuhit nila ang pansin mula sa unidimensional at medyo makitid na konstruksyon ng 'Internet gaming disorder', patungo sa isang multidimensional na nilalang ng may problemang paggamit sa internet o pagkagumon sa internet na binubuo ng maraming mga facet ng pag-uugali ng online na tao.

Bukod dito, ang paggamit ng out-of-sample cross validation ay ipinakita namin na ang 'non-standard' na pamamaraan ng paggamit ng Lasso regression ay mas tumpak sa paghula sa mga marka ng PIU kumpara sa 'mas standard' na linear regression. Ang paggamit ng di-sample na pagtatantya ng mahuhulaan na halaga ng isang modelo ay madalas na nakakatulong sa pag-tackle ng hindi pangkaraniwang bagay na kung saan ang mga pagkukulang sa pagkabulok sa mga pag-aaral ng pagtitiklop. Gayunpaman, ang pagpili ng regresyon ng Lasso ay kasama sa caveat na mga variable na hindi napili ng modelo (na may mga coefficient ng zero) ay maaari pa ring mahuhulaan, lalo na kung may mataas na ugnayan sa pagitan ng mga napiling at hindi napiling mga variable. Sa aming set ng data, wala kaming anumang mga variable na correlated variable, gayunpaman, ang limitasyong ito ay nangangahulugan na dapat nating tratuhin ang anumang negatibong resulta nang konserbatibo. Halimbawa, ang kakulangan ng pakikipag-ugnayan sa pagitan ng kasarian at PIU pati na rin ang kakulangan ng pakikipag-ugnayan sa pagitan ng mga aktibidad ng kasarian at Internet kasama ang PIU ay maaaring suportado ang hypothesis na kung ang isang mas malawak na hanay ng mga pag-uugali ng PIU at mga potensyal na confound ay isinasaalang-alang, ang parehong kasarian ay pantay na mahina sa pagbuo ng mga facet ng PIU (

; ). Gayunpaman, dahil sa mga limitasyon ng aming pagsusuri, hindi namin maibubukod ang posibilidad na mayroong iba pang mga asosasyon sa pagitan ng PIU at kasarian. Halimbawa, iminungkahi na ang kasarian ay pinapabago ang ugnayan sa pagitan ng online shopping at PIU at ang mga babae ay maaaring mas peligro (). Sa kaugnayan ay maaaring ang sapilitang pagbili ng karamdaman, ang isang karamdaman na kitang-kita sa mga may edad na pangkat ay may isang namamayani na babae sa pamamagitan ng 5: 1 ratio (), at maaaring pagmamaneho ng nasabing mga natuklasan. Wala kaming data sa karamdaman na ito upang subukan ang hypothesis na ito. Mahalagang tandaan, na ang instrumento ng IAT na ginamit dito ay nakatanggap ng pagpuna sa kawalan ng katatagan tungkol sa istruktura ng kadahilanan, mga pagkakaiba-iba mula sa kasalukuyang pagpapatakbo ng DSM-5 (gaming disorder) at pagkahuli sa likod ng mga pagsulong sa teknolohikal ng mga aplikasyon sa internet (;

). Ang pag-aaral sa hinaharap na PIU ay mahusay na ihahatid ng mga metolohikal na matatag, napatunayan na mga instrumento, na makukuha rin ang mabilis na umuusbong na likas na katangian ng PIU mula sa isang teknolohikal at pananaw na pag-uugali.

Ang aming pagtatasa ng sub-edad ng grupo ay nagbigay ng pananaw sa mga kaugnay na kaugnayan ng edad sa pagitan ng PIU at iba't ibang mga aktibidad sa internet. Ang karaniwang konsepto na ang PIU ay isang karamdaman ng kabataan ay hindi kinakailangang tama at maaaring batay sa kakulangan ng naaangkop na dinisenyo na mga pag-aaral na kumukuha ng mga online na pag-uugali sa lahat ng mga pangkat ng edad. Ang hindi sapat na kaalaman para sa likas na kasaysayan ng PIU sa buong habang buhay ay hindi pinapayagan ang isang komprehensibong pagsaliksik ng mga kahinaan sa mga matatandang populasyon sa mga tuntunin ng panganib na magkaroon ng PIU. Gayunpaman, ipinapahiwatig ng aming mga resulta na ang mga kahinaan ay umiiral at ang karagdagang pananaliksik ay inaasahan upang mai-map ang mga katangian ng mga populasyon na nanganganib. Halimbawa, ang pagkakaroon ng ADHD o mga sintomas ng pagkabalisa sa lipunan ay maaaring maging isang prediktor para sa PIU sa mga batang populasyon, samantalang ang pagkakaroon ng mga sintomas ng OCD o GAD ay maaaring isang prediktor para sa PIU sa mas matatandang populasyon. Ang katotohanan na ang OCD ay hindi nahanap na nauugnay sa PIU sa isang kamakailang meta-analysis (

) ay maaaring isang tagapagpahiwatig na ang mga matatandang populasyon ay hindi naiisip. Ang katotohanan na ang ADHD ay malakas na nauugnay sa mataas na mga marka ng PIU ay hindi nakakagulat, dahil ang iba pang mga pag-aaral ay nag-ulat ng isang napakataas na pagkalat ng ADHD (hanggang sa 100%) sa mga populasyon ng PIU (). Kasabay nito, ang mga tiyak na gitnang may edad na populasyon (sa pagitan ng 26 at 55) ay maaaring higit na mapanganib sa PIU, kung nagdurusa rin sila sa sapilitang pagbili ng karamdaman o sakit sa pagsusugal, na binigyan ng likas na kasaysayan ng mga karamdaman, na rurok sa gitnang edad (

).

Bukod dito, ang mga natuklasan na ang isang partikular na aktibidad sa online ay nauugnay sa PIU lamang sa mga tiyak na mga pangkat ng edad, ipinapahiwatig na ang partikular na mga pangkat ng edad ay maaaring nasa panganib ng pagbuo ng mga aspeto ng PIU. Habang ang mga kabataan ay maaaring mas mapanganib sa pagbuo ng PIU na may kakayahang tingnan ang pornograpiya, isang kahinaan na maaaring hindi gaanong malakas sa kalagitnaan ng edad at mawalan ng buhay, ang mga matatandang tao ay maaaring mas madaling makagawa ng PIU na nailalarawan sa may problemang paggamit ng oras mga waster at streaming media (tingnan ang exploratory Lar 4 ). Sa wakas, ang pangkalahatang pag-surf ay maaaring maging isang underestimated facet ng PIU, na tila mas malakas na nauugnay sa mas mataas na mga marka ng PIU sa mga kabataan, ngunit mahalaga sa lahat ng mga pangkat ng edad; ang paghahanap na ito ay maaaring nauugnay sa katotohanan na ang buhay ng maagang may sapat na gulang ay maaaring hindi gaanong layunin na ituro at ang mga kabataan ay gumugugol ng mas maraming oras sa panahon ng hindi nakaayos na mga aktibidad sa mga online na kapaligiran kung ihahambing sa iba pang mga matatandang pangkat.

  

 

 

 

Lar 4
  

Halimbawa ng exploratory figure ng asosasyon sa pagitan ng may problemang paggamit ng internet at streaming media, ayon sa pangkat ng edad. Ito ay isang halimbawa ng figure na nagpapakita ng ugnayan sa pagitan ng Problematic internet use (PIU) at streaming media na nakapangkat ayon sa edad. Ang mga linya ng pagbabalik ay mga linear na modelo na may mga agwat ng kumpiyansa (mga kulay-abo na lugar). Kapansin-pansin, ang streaming media ay lilitaw na hindi gaanong naiugnay sa PIU sa murang edad na ≤ 25 kumpara sa mga matatanda> 55 (ipinakita rin sa pagsusuri ng Lasso sa pangunahing papel; Lasso coef Streaming media β: 0.0 para sa bata at β: 1.2 para sa matanda , Edad × Streaming Pakikipag-ugnay sa Media Lasso coef 0.35.: XNUMX). (Para sa interpretasyon ng mga sanggunian sa kulay sa alamat ng figure na ito, ang mambabasa ay na-refer sa bersyon ng web ng artikulong ito.)

 

 

 

Ang aming mga resulta ay mayroon ding mga implikasyon sa kalusugan ng publiko na nauugnay sa pagsasaayos ng online na nilalaman, at mga interbensyon sa pag-target. Kung ang mga partikular na aktibidad ay mas malakas na naiugnay sa pag-unlad ng may problemang paggamit kaysa sa iba, ang tanong ay lumalabas kung ang mga patakaran sa kalusugan ng publiko ay dapat na mag-target ng mga grupo ng mga mahihinang indibidwal upang mapabuti ang kanilang katatagan patungo sa peligro ng PIU, o kung mas maraming panlahatang interbensyon na nagta-target sa mga tukoy na aspeto ng mga pag-uugali sa internet, dapat isaalang-alang upang gawin ang mga online na kapaligiran na hindi gaanong nakakahumaling. Halimbawa, ang mga online platform ay maaaring sa ilang mga kaso ay gumagamit ng mga tukoy na arkitektura na sinasamantala ang mga kahinaan ng mga gumagamit (ie impulsive o mapilit na mga ugali) at hangarin na ma-maximize ang haba ng pananatili ng mga gumagamit sa loob ng online environment. Bagaman may katuturan ito mula sa isang pananaw sa marketing, nagdudulot ito ng pag-aalala kung ang mga kapaligiran na ito ay dapat ding magbigay ng babala sa kalusugan sa gumagamit.

 

 

  

4.1

Mga hangganan

Ito ay isang cross-sectional na online na survey, samakatuwid walang pagganyak na mga relasyon na maaaring iguhit. Bukod dito, dahil sa pamamaraan ng pangangalap, at posibleng pagkahilig para sa mga taong may PIU na mas malamang na makumpleto ang isang online na survey, ang kasalukuyang mga natuklasan ay maaaring hindi pangkalahatan sa PIU sa pangkalahatang populasyon ng background sa malaki. Ang isa pang limitasyon sa aming pag-aaral ay ang kakulangan ng klinikal na data para sa ilang mga entity na diagnostic na nauugnay sa PIU, halimbawa ng depression o maling paggamit ng sangkap. Samakatuwid, posible na ang depression o maling paggamit ng sangkap ay maaaring mag-account para sa ilan sa mga asosasyong naobserbahan sa aming pag-aaral. Ang mga pag-aaral sa hinaharap ay dapat magsama ng isang mas malawak na hanay ng mga klinikal na parameter upang tuklasin kung ang account na iyon para sa mga asosasyon na sinusunod sa pagitan ng mga aktibidad ng PIU at internet. Mayroong karagdagang mga limitasyon patungkol sa aming klinikal na data na nagmula sa paggamit ng MINI; napatunayan ito upang maihatid mula sa isang bihasang tao sa isang harapan na pakikipanayam samantalang sa aming pag-aaral ay naihatid ito sa pamamagitan ng isang online na tool. Gayunpaman, ang aming klinikal na data ay sang-ayon sa mga nakaraang pag-aaral sa PIU. Bukod dito, isa pang downside sa aming koleksyon ng data, ay tinasa namin ang aktibidad sa internet gamit ang oras na ginugol sa aktibidad bilang hakbang sa proxy para sa PIU ng aktibidad na iyon. Habang nakakakuha ito ng labis, at samakatuwid may problemang paggamit, maaari rin itong makuha ang mahahalagang paggamit. Habang ang mga aktibidad na tinasa sa pag-aaral na ito ay madalas sa pamamagitan ng default na hindi mahalaga dahil sa kanilang kalikasan (hal. Mga tagapag-aksaya ng oras), o kapag ginaganap ito sa matinding labis (hal.> 8 oras / araw ng pamimili, pagsusugal o pornograpiya), ang mga pag-aaral sa hinaharap ay maaaring isama ang mga hakbang na maaaring makilala ang mahahalaga mula sa hindi kinakailangang paggamit sa internet para sa bawat aktibidad sa internet, upang payagan ang mga nasabing pagsusuri. Ang isa pang limitasyon sa aming pag-aaral ay ang kakulangan ng data para sa mga bata at populasyon ng kabataan. Ang mga bata at populasyon ng kabataan ay maaaring makipag-ugnay sa internet sa ibang paraan, ngunit nalantad din sa online na paggamit sa panahon ng ibang window ng neurodevelopmental. Samakatuwid, ang mga nasabing pagkakaiba ay maaaring magpahiwatig ng iba't ibang mga kahinaan o katatagan sa mga tuntunin ng peligro na bumuo ng PIU. Halimbawa, maaga, mababang antas ng pagkakalantad sa online na kapaligiran ay maaaring magkaroon ng isang 'stress inoculation' na epekto (

 

 

 

 

  

) na nagtataguyod ng mga indibidwal mula sa pag-unlad sa PIU sa hinaharap. Kung ganoon ang kaso, maaari pa nitong ipaliwanag kung bakit ang mga mas matatandang populasyon na nakuha lamang ang kanilang unang pagkakalantad sa mga online na kapaligiran sa pagiging matanda ay maaaring maging mas mahina. Ang mga pag-aaral sa hinaharap ay maaaring isama ang mga pangkat ng edad ng bata at kabataan at suriin nang prospektibo kung ang mga tukoy na aktibidad sa internet ay mahuhulaan ng PIU. Sa kasamaang palad, ang bilang ng mga kalahok na nag-uulat ng kasarian ng transgender ay maliit (n = 18), na hindi pinapayagan para sa isang makabuluhang pagsusuri ng epekto ng kasarian ng transgender. Ang isang pangwakas na limitasyon ng aming pag-aaral ay ang populasyon ng aming pag-aaral ay binubuo ng malusog na matatanda na sa <1% lamang ang nagdurusa mula sa makabuluhang pag-uugali ng PIU (IAT> 80). Ang mga pag-aaral sa hinaharap ay makikinabang mula sa pagkakaroon ng isang tukoy na pagtuon sa mas mataas na dulo ng spectrum ng PIU upang maikumpara ang mga matitinding populasyon ng PIU na may isang pangkat ng kontrol na mababa hanggang katamtaman o di-PIU na mga indibidwal. Habang ang tinatayang point prevalence ng PIU sa aming sample ay ~ 8.5% (gamit ang IAT ≥ 50 cut-off), ang mga threshold para sa klinikal na kawalang-hiwalay para sa PIU ay mananatiling mapagtatalunan at ang pagsasaliksik sa hinaharap ay makikinabang mula sa isang tinatanggap na unibersal na panukala at kahulugan ng PIU.

 

 

  

4.2

Konklusyon

Upang buod, ang DSM-5 ay nagha-highlight ng karamdaman sa paglalaro sa internet bilang isang karamdaman sa kandidato, ngunit ang iba pang mga uri ng pag-uugali sa online (hal. Shopping, pornograpiya, pangkalahatang pag-surf) ay may mas malakas na relasyon sa maladaptive na paggamit ng internet kaysa sa paglalaro. Ang mga diagnosis ng saykayatriko at mga aktibidad sa internet na nauugnay sa may problemang paggamit ng internet ay magkakaiba sa edad, isang paghahanap na may mga implikasyon sa kalusugan ng publiko. Ang mga resulta na ito ay nag-aambag sa limitadong kaalaman tungkol sa mga aktibidad sa internet na nauugnay sa may problemang paggamit sa internet at maaaring magbigay ng kontribusyon sa pag-uuri ng diagnostic ng may problemang paggamit ng internet bilang isang multifaceted disorder.

 

 

  

Papel ng mga mapagkukunan ng pagpopondo

Ang pananaliksik na ito ay nakatanggap ng mga panloob na pondo sa departamento ng Kagawaran ng Psychiatry sa Unibersidad ng Chicago. Ioannidis mga aktibidad sa pananaliksik ay suportado ng Health Education East ng England Mas Mataas na Pagsasanay Espesyal na mga sesyon ng interes. Walang natanggap na pondo ang mga may-akda para sa paghahanda ng manuskritong ito. Ang mapagkukunan ng pagpopondo ay walang papel sa disenyo, pagsusuri ng data, o pagsulat ng pag-aaral.

 

 

  

Nag-ambag

Dinisenyo ng KI ang ideya para sa manuskrito, pinag-aralan ang data, sinulat ang karamihan ng manuskrito at Karagdagang materyal at pinagsama ang mga kontribusyon ng kapwa may-akda. Ang MT at FK ay lumahok sa paglilihi at pagsusuri ng pagsusuri sa istatistika. Ang SRC, SR, DJS, CL at JEG ang nagdisenyo at nagsama sa pag-aaral at nakolekta at pinamamahalaan ang data. Ang lahat ng mga may-akda ay nagbasa at nag-apruba ng panghuling manuskrito at nag-ambag sa pagbubuo at pagbabago ng papel pati na rin sa pagbibigay kahulugan sa mga resulta.

 

 

  

Salungatan ng interes

Tumanggap si Dr. Grant ng mga gawad sa pananaliksik mula sa NIDA (RC1DA028279-01), ang National Center for Responsible Gaming, at Roche at Forest Pharmaceutical. Tumanggap si Dr. Grant ng kabayaran mula sa Springer bilang editor-in-chief ng Journal of Gambling Studies at nakatanggap ng mga royalties mula sa McGraw Hill, Oxford University Press, Norton, at APPI. Ang mga konsultasyong Dr Chamberlain para sa Cambridge Cognition at ang kanyang pagkakasangkot sa pananaliksik na ito ay suportado ng isang Intermediate Clinical Fellowship mula sa Wellcome Trust (UK; 110049 / Z / 15 / Z). Sina Dan Stein at Christine Lochner ay pinondohan ng Medical Research Council ng South Africa. Ang ibang mga may-akda ay nag-uulat na walang kaugnayan sa pananalapi na may interes sa komersyal. Wala sa nabanggit na mapagkukunan na may papel sa disenyo, pag-aaral, pagsusuri o interpretasyon ng data, pagsulat ng manuskrito, o pagpapasyang isumite ang papel para sa paglalathala.

 

 

Acknowledgement

Kami ay may utang sa mga boluntaryo ng parehong mga site na lumahok sa pag-aaral.

 

 

Appendix A

Supplementary data

Karagdagang materyal

Karagdagang materyal

 

 

 

Mga sanggunian

  1. Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P., at Haffen E.: Napakalaking Multiplayer online na paglalaro ng mga laro: Paghahambing ng mga katangian ng pagkagumon kumpara sa mga hindi nakakahumaling na mga online na recruit ng mga manlalaro sa isang Populasyon ng Pranses na may sapat na gulang. BMC Psychiatry 2011; 11: pp. 144
    Tingnan sa Artikulo
  2. American Psychiatric Association, 2013. American Psychiatric Association: Diagnostic at statistic manual ng mga karamdaman sa pag-iisip: DSM-5. Washington, DC: American Psychiatric Association, 2013.
    Tingnan sa Artikulo
  3. Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS, at Pallesen S. .: Pag-unlad ng isang scale sa pagkagumon sa Facebook. Mga Sikolohikal na Ulat 2012; 110: pp. 501-517
    Tingnan sa Artikulo | Cross Ref
  4. Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A., at Oren A.: Pagkagumon sa Internet sa gitna ng mga matatanda sa Norway: Isang stratified probability sample study. Scandinavian Journal of Psychology 2009; 50: pp. 121-127
    Tingnan sa Artikulo | Cross Ref
  5. Itim, 2007. Itim na DW: Isang pagsusuri ng sapilitang kaguluhan sa pagbili. World Psychiatry: Opisyal na Journal ng World Psychiatric Association (WPA) 2007; 6: pp. 14-18
    Tingnan sa Artikulo
  6. Block, 2008. I-block ang JJ: Mga Isyu para sa DSM-V: Pagkagumon sa Internet. American Journal of Psychiatry 2008; 165: pp. 306-307
    Tingnan sa Artikulo | Cross Ref
  7. Brand et al., 2011. Brand M., Laier C., Pawlikowski M., Schächtle U., Schöler T., at Altstötter-Gleich C.: Nanonood ng mga larawan sa pornograpiya sa Internet: Tungkulin ng mga sekswal na pagpukaw na mga rating at mga sikolohikal na sikolohikal na sintomas para sa paggamit ng mga site sa Internet na labis na . Cyberpsychology, Pag-uugali at Social Networking 2011; 14: pp. 371-377
    Tingnan sa Artikulo | Cross Ref
  8. Breiman, 2001. Breiman L .: Statistical modeling: Ang dalawang kultura. Statistical Science 2001; 16: pp. 199-215
    Tingnan sa Artikulo
  9. Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R., at Markuszewski MJ: Mga pamamaraan na nakabase sa PLS at regularization-based para sa pagpili ng mga may-katuturang variable sa data na hindi naka-target na metabolismo. Mga Frontier sa Molecular Biosciences 2016; 3: pp. 1-10
    Tingnan sa Artikulo
  10. Burns et al., 1996. Burns GL, Keortge SG, Formea ​​GM, at Sternberger LG: Pagbabago ng Padua Imbentaryo ng mga obsessive compulsive disorder na sintomas: Pagkakaiba-iba sa pagitan ng pag-aalala, obsesy, at pagpilit. Ang Pananaliksik sa Pag-uugali at Therapy 1996; 34: pp. 163-173
    Tingnan sa Artikulo | Cross Ref
  11. Cao et al., 2007. Cao F., Su L., Liu T., at Gao X.: Ang ugnayan sa pagitan ng impulsivity at pagkagumon sa internet sa isang halimbawang kabataan ng mga Tsino. European Psychiatry 2007; 22: pp. 466-471
    Tingnan sa Artikulo | Cross Ref
  12. Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E., at Kaess M .: Ang ugnayan sa pagitan ng paggamit ng pathological Internet at comorbid psychopathology: Isang sistematikong pagsusuri. Psychopathology 2013; 46: pp. 1-13
    Tingnan sa Artikulo | Cross Ref
  13. Claes et al., 2016. Claes L., Müller A., ​​at Luyckx K .: Mapilit na pagbili at pag-hoarding bilang mga kapalit ng pagkakakilanlan: Ang papel ng pag-endorso ng materyalistikong halaga at pagkalungkot. Comprehensive Psychiatry 2016; 68: pp. 65-71
    Tingnan sa Artikulo | Cross Ref
  14. Cole at Hooley, 2013. Cole SH, at Hooley JM: Nakakaugnay ang mga klinikal at pagkatao sa paglalaro ng MMO: Pagkabalisa at pagsipsip sa may problemang paggamit sa internet. Repasuhin ng Social Science Computer 2013; 31: pp. 424-436
    Tingnan sa Artikulo | Cross Ref
  15. Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Mga Libro SJ, Przybeck TR, at Cloninger CR: Ang prevalence at mga prediksyon ng pagsusugal ng patolohiya: Mga resulta mula sa pag-aaral ng St Louis, kalusugan at pamumuhay (SLPHL). Journal ng Psychiatric Research 2005; 39: pp. 377-390
    Tingnan sa Artikulo | Cross Ref
  16. von Elm et al., 2008. von Elm E., Altman DG, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP, at Initiative S .: Ang pagpapalakas ng pag-uulat ng mga pag-aaral sa obserbasyon sa epidemiology (STROBE) na pahayag: Mga gabay sa pag-uulat ng mga pag-aaral sa obserbasyonal. Journal ng Clinical Epidemiology 2008; 61: pp. 344-349
    Tingnan sa Artikulo | Cross Ref
  17. Fernández-Villa et al., 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M., at Martín V .: Ang may problemang paggamit sa Internet sa mga mag-aaral sa unibersidad: Mga kaugnay na mga kadahilanan at pagkakaiba ng kasarian . Adicciones 2015; 27: pp. 265-275
    Tingnan sa Artikulo | Cross Ref
  18. Friedman et al., 2010. Friedman J., Hastie T., at Tibshirani R .: Mga regulasyon ng mga landas para sa mga pangkalahatang linya ng linear sa pamamagitan ng coordinate descent. Journal ng Statistical Software 2010; 33: pp. 1-22
    Tingnan sa Artikulo
  19. Griffiths, 2003. Griffiths M .: Pagsusugal sa Internet: Mga isyu, alalahanin, at rekomendasyon. Cyberpsychology & Behaviour: Ang Epekto ng Internet, Multimedia at Virtual Reality sa Pag-uugali at Lipunan 2003; 6: pp. 557-568
    Tingnan sa Artikulo | Cross Ref
  20. Ha at Hwang, 2014. Ha Y.-M., at Hwang WJ: Ang mga pagkakaiba sa kasarian sa pagkagumon sa internet na nauugnay sa mga tagapagpahiwatig ng kalusugan ng sikolohikal sa mga kabataan na gumagamit ng isang National Web-Based Survey. International Journal of Mental Health at Pagkagumon 2014; 12: pp. 660-669
    Tingnan sa Artikulo | Cross Ref
  21. Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y., at Mak K.-K.: Ang ugnayan sa pagitan ng pagkagumon sa internet at psychiatric co-morbidity: Isang meta-analysis. BMC Psychiatry 2014; 14: pp. 183
    Tingnan sa Artikulo
  22. Hoerl at Kennard, 1970. Hoerl AE, at Kennard RW: Rrrrression Ridge: Biased na pagtatantya para sa mga problemang hindi kapani-paniwala. Technometrics 1970; 12: pp. 55-67
    Tingnan sa Artikulo
  23. Huys et al., 2016. Huys QJM, Maia TV, at Frank MJ: Computational psychiatry bilang isang tulay mula sa neuroscience hanggang sa mga klinikal na aplikasyon. Kalikasan Neuroscience 2016; 19: pp. 404-413
    Tingnan sa Artikulo | Cross Ref
  24. Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J., at Yoshida T .: Walang mobile, walang buhay: Pag-unawa sa sarili at pag-asa sa text-message sa mga mag-aaral ng high school na Japanese.
    Tingnan sa Artikulo
  25. Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S., at Grant JE: May problemang paggamit sa internet (PIU): Mga ugnayan na may mapang-akit na compulsive-compulsive spectrum. Journal of Psych: Isang aplikasyon ng pag-aaral ng machine sa psychiatry, 2016.
    Tingnan sa Artikulo
  26. Janower, 2006. Janower CR: Pagsusugal sa Internet. Journal ng Computer-Mediated Communication 2006; 2: pp. 0
    Tingnan sa Artikulo | Cross Ref
  27. Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E., at Walters EE: Ang World Health Organization adult ADHD self-report scale (ASRS): Isang maikling screening scale para magamit sa pangkalahatan populasyon. Psychological Medicine 2005; 35: pp. 245-256
    Tingnan sa Artikulo | Cross Ref
  28. Kessler et al., 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T., at Zaslavsky AM: Pagsubok ng isang algorithm sa pag-aaral ng machine upang mahulaan ang pagpupursige at kalubhaan ng mga pangunahing nalulumbay na karamdaman mula sa mga saligan sa sarili na mga ulat. Molekular Psychiatry 2016; 21: pp. 1366-1371
    Tingnan sa Artikulo | Cross Ref
  29. Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M., at Rothen S .: Ang istraktura ng factor ng pagsubok sa pagkagumon sa internet sa mga online na manlalaro at manlalaro ng poker. JMIR Health Mental 2015; 2:
    Tingnan sa Artikulo
  30. Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C., at Gao J .: Ang integral na diskarte para sa pagkilala sa mga network ng regulasyon ng gene gamit ang mga random na batay sa lasso na nagtatampok at aplikasyon sa mga sakit sa saykayatriko. BMC Medical Genomics 2016; 9: pp. 50
    Tingnan sa Artikulo
  31. Hari, 1999. King SA: Pagsusugal sa Internet at pornograpiya: Nailalarawan ang mga halimbawa ng sikolohikal na kahihinatnan ng anarkiya sa komunikasyon. Cyberpsychology & Pag-uugali 1999; 2: pp. 175-193
    Tingnan sa Artikulo
  32. King at Barak, 1999. King SA, at Barak A .: Mapilit na Pagsusugal sa Internet. Cyberpsychology & Pag-uugali 1999; 2: pp. 441-456
    Tingnan sa Artikulo | Cross Ref
  33. Király et al., 2015. Király O., Griffiths MD, at Demetrovics Z .: Internet gaming disorder at ang DSM-5: Konseptualization, debate, at mga kontrobersya. Kasalukuyang Mga Ulat sa Pagkaadik 2015; 2: pp. 254-262
    Tingnan sa Artikulo
  34. Király et al., 2014. Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., at Demetrovics Z .: Ang mga problemang paggamit sa internet at may problemang online gaming ay hindi pareho: Ang mga paghahanap mula sa isang malaking pambansang kinatawan ng pambansang halimbawang kabataan. Cyberpsychology, Pag-uugali at Social Networking 2014; 17: pp. 749-754
    Tingnan sa Artikulo
  35. Kittinger et al., 2012. Kittinger R., Correia CJ, at Irons JG: Ang ugnayan sa pagitan ng paggamit ng Facebook at may problemang paggamit sa internet sa mga mag-aaral sa kolehiyo. Cyberpsychology, Pag-uugali at Social Networking 2012; 15: pp. 324-327
    Tingnan sa Artikulo | Cross Ref
  36. Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S., at Chen C.-C .: Ang kaugnayan sa pagitan ng pagkagumon sa Internet at sakit sa saykayatriko: Isang pagsusuri ng panitikan . European Psychiatry 2012; 27: pp. 1-8
    Tingnan sa Artikulo
  37. Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C., at Yang M.-J .: Mga salik na nahulaan para sa insidente at pagpapatawad ng pagkagumon sa internet sa mga kabataan: A prospective na pag-aaral. Cyberpsychology & Behaviour: Ang Epekto ng Internet, Multimedia at Virtual Reality sa Pag-uugali at Lipunan 2007; 10: pp. 545-551
    Tingnan sa Artikulo | Cross Ref
  38. Kuss at Griffiths, 2011. Kuss DJ, at Griffiths MD: Online na social networking at pagkagumon — Isang pagsusuri sa sikolohikal na panitikan. International Journal of Environmental Research at Public Health 2011; 8: pp. 3528-3552
    Tingnan sa Artikulo | Cross Ref
  39. Kuss et al., 2013. Kuss DJ, Griffiths MD, at Binder JF: Pagkagumon sa Internet sa mga mag-aaral: Pagkalat at mga kadahilanan sa peligro. Mga Computer sa Human Behaviour 2013; 29: pp. 959-966
    Tingnan sa Artikulo | Cross Ref
  40. Kuss at Lopez-Fernandez, 2016. Kuss DJ, at Lopez-Fernandez O .: Pagkagumon sa Internet at may problemang paggamit sa Internet: Isang sistematikong pagsusuri ng klinikal na pananaliksik. World Journal of Psychiatry 2016; 6: pp. 143-176
    Tingnan sa Artikulo | Cross Ref
  41. Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF, at Chabrol H .: May problemang paggamit sa Internet, oras na ginugol sa online at mga ugali ng personalidad. L'Encéphale 2016; 42: pp. 214-218
    Tingnan sa Artikulo | Cross Ref
  42. Laconi et al., 2014. Laconi S., Rodgers RF, at Chabrol H .: Ang pagsukat ng pagkagumon sa Internet: Isang kritikal na pagsusuri ng umiiral na mga kaliskis at ang kanilang mga psychometric na katangian. Mga Computer sa Human Behaviour 2014; 41: pp. 190-202
    Tingnan sa Artikulo | Cross Ref
  43. Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP, at Brand M .: Pagkagumon sa Cybersex: Naranasan ang sekswal na pagpukaw kapag nanonood ng pornograpiya at hindi tunay na buhay na sekswal na pakikipag-ugnay ang gumagawa ng pagkakaiba. Journal of Behaviour Addiction 2013; 2: pp. 100-107
    Tingnan sa Artikulo | Cross Ref
  44. Lecardeur, 2013. Lecardeur L .: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologyques, Revue Psychiatrique 2013; 171: pp. 579-586
    Tingnan sa Artikulo | Cross Ref
  45. Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A., at Bian Y: Ang mga pagkakaiba sa kasarian sa relasyon sa pagitan ng pagkagumon sa internet at pagkalungkot: Isang pag-aaral sa cross-lagged sa mga kabataan ng mga Tsino. Mga Computer sa Human Behaviour 2016; 63: pp. 463-470
    Tingnan sa Artikulo | Cross Ref
  46. Lopez-Fernandez, 2015. Lopez-Fernandez O .: Paano nagbago ang pananaliksik sa pagkagumon sa internet mula nang dumating ang karamdaman sa paglalaro sa internet? Isang pangkalahatang-ideya ng cyberaddiction mula sa isang sikolohikal na pananaw. Kasalukuyang Mga Ulat sa Pagkaadik 2015; 2: pp. 263-271
    Tingnan sa Artikulo | Cross Ref
  47. Masten at Tellegen, 2012. Masten AS, at Tellegen A.: Pagkamabago sa psychopathology ng pag-unlad: Mga kontribusyon ng kakayahang mag-aaral ng proyekto ng paayon. Pag-unlad at Psychopathology 2012; 24: pp. 345-361
    Tingnan sa Artikulo | Cross Ref
  48. Mueller et al., 2010. Mueller A., ​​Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A., at de Zwaan M .: Tinatayang pagkalat ng pinipilit na pagbili sa Alemanya at pagkakaugnay nito sa mga katangiang sociodemographic at mga nakaka-depress na sintomas. Psychiatry Research 2010; 180: pp. 137-142
    Tingnan sa Artikulo | Cross Ref
  49. Patton et al., 1995. Patton JH, Stanford MS, at Barratt ES: Ang istraktura ng factor ng Barratt impulsiveness scale. Journal ng Clinical Psychology 1995; 51: pp. 768-774
    Tingnan sa Artikulo | Recupero, 2008. Recupero PR: Forensic na pagsusuri ng may problemang paggamit sa Internet. Ang Journal ng American Academy of Psychiatry at ang Batas 2008; 36: pp. 505-514
    Tingnan sa Artikulo
  50. Rose at Dhandayudham, 2014. Rose S., at Dhandayudham A.: Patungo sa isang pag-unawa sa pag-uugali sa problema sa pamimili batay sa Internet: Ang konsepto ng pagkagumon sa online shopping at ang mga iminungkahing tagahula nito. Journal of Behaviour Addiction 2014; 3: pp. 83-89
    Tingnan sa Artikulo | Cross Ref
  51. Rutland et al., 2007. Rutland JB, Sheets T., at Young T .: Pag-unlad ng isang sukat upang masukat ang paggamit ng problema sa maikling serbisyo sa mensahe: Ang problema sa SMS ay gumagamit ng diagnostic questionnaire. Cyberpsychology & Pag-uugali 2007; 10: pp. 841-844
    Tingnan sa Artikulo | Cross Ref
  52. Rutter, 1993. Rutter M .: Resilience: Ang ilang mga pagsasaalang-alang sa konsepto. Ang Journal of Adolescent Health: Opisyal na Paglathala ng Lipunan para sa Adolescent Medicine 1993; 14: pp. 626-631
    Tingnan sa Artikulo | Cross Ref
  53. Shaw and Black, 2008. Shaw M., at Black DW: Pagkagumon sa Internet: Kahulugan, pagtatasa, epidemiology at pamamahala ng klinikal. CNS Gamot 2008; 22: pp. 353-365
    Tingnan sa Artikulo | Cross Ref
  54. Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., at Dunbar GC: Ang Pakikipanayam sa Mini-International Neuropsychiatric (MINI): Ang pagbuo at pagpapatunay ng isang nakabalangkas na diagnostic psychiatric interview para sa DSM-IV at ICD-10. Ang Journal ng Clinical Psychiatry 1998; 59:
    Tingnan sa Artikulo
  55. Tam at Walter, 2013. Tam P., at Walter G .: Ang may problemang paggamit ng internet sa pagkabata at kabataan: Ebolusyon ng isang pagdurusa sa 21st siglo. Australyaian Psychiatry 2013; hindi natukoy:
    Tingnan sa Artikulo
  56. Tibshirani, 1996. Tibshirani R .: Paghinang ng pag-urong at pagpili sa pamamagitan ng lasso. Journal ng Royal Statistical Society, Series B 1996; 58: pp. 267-288
    Tingnan sa Artikulo
  57. Tikhonov, 1963. Tikhonov AN: Solusyon ng hindi wastong nabalangkas na mga problema at ang pamamaraan ng regularization. Sobikong Matematika na Doklady 1963; 5: pp. 1035-1038
    Tingnan sa Artikulo
  58. Trotzke et al., 2015. Trotzke P., Starcke K., Müller A., ​​at Brand M .: Ang pagbili ng pathological sa online bilang isang tiyak na anyo ng pagkagumon sa internet: Isang pagsisiyasat na batay sa modelo. Mga PLoS Isang 2015; 10:
    Tingnan sa Artikulo
  59. Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC, at Yang YK: Ang mga panganib na kadahilanan ng pagkagumon sa Internet? Isang survey ng mga freshmen sa unibersidad. Psychiatry Research 2009; 167: pp. 294-299
    Tingnan sa Artikulo | Cross Ref
  60. Wallace, 2014. Wallace P .: Internet addiction disorder at kabataan: Mayroong lumalaking pag-aalala tungkol sa mapilit na aktibidad sa online at na maaaring hadlangan ang pagganap ng mga mag-aaral at buhay panlipunan. Mga Ulat ng EMBO 2014; 15: pp. 12-16
    Tingnan sa Artikulo | Cross Ref
  61. Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W., at Hong Z .: Ang mga aktibidad sa online, paglaganap ng pagkagumon sa internet at mga kadahilanan na may kaugnayan sa pamilya at paaralan sa mga kabataan sa Tsina. Nakakahumaling na Mga Ulat sa Pag-uugali 2018; 7: pp. 14-18
    Tingnan sa Artikulo | Cross Ref
  62. Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M., at Kozak K .: Pag-asa sa Internet sa populasyon ng kolehiyo: Ang papel na ginagampanan ng pagkamahiyain. Cyberpsychology & Pag-uugali 2004; 7: pp. 379-383
    Tingnan sa Artikulo | Cross Ref
  63. Young, 1998. Young KS: Pagkagumon sa Internet: Ang paglitaw ng isang bagong klinikal na karamdaman. CyberPsychology & Pag-uugali 1998; 1: pp. 237-244
    Tingnan sa Artikulo | Cross Ref